click to get the pdf version
Persamaan regresi linier sederhana yang kita kenal adalah :
Y = b0
+ b1X
Kita kembali lagi kepada data demand gula pasir oleh negara X yang sudah dibahas pada metode lain peramalan, data mentahnya ambil disini
Kita plotkan grafiknya pada excel :
Sementara itu untuk data tourist direct arrival to Bali periode 1994 - 2018 adalah sebagai berikut, data mentahnya ambil disini
sumber : Disbudpar Provinsi Bali, 2019
Plot grafiknya pada excel sebagai berikut :
Mana menurut kamu data yang memiliki pola trend, dan pola apa yang ada pada data lainnya? Lupa ?? lihat lagi bahasan sebelumnya disini.
Data Tourist Direct Arrival memiliki pola trend, karena perubahan kenaikan yang terjadi secara terus menerus dalam waktu yang relatif panjang. Sedangkan data demand gula pasir Negara X memiliki pola musiman (untuk lebih jelas mengenai metode peramalan dengan indeks musiman, lihat bahasannya disini).
Data Tourist Direct Arrival tidak bergerak jauh dari garis linier atau mengikuti pola trend dengan garis linier. Dengan demikian kita akan bahas peramalan dengan Metode Proyeksi Trend pada Data Direct Tourist Arrival to Bali, karena lebih sesuai untuk Proyeksi Trend menggunakan Metode Kuadrat Terkecil (OLS), simpelnya kita akan prediksi dengan regresi linier sederhana. Sedangkan data demand gula pada negara X lebih memiliki pola irregular atau acak, untuk mengerti pola-pola ini baca lagi bahasan jenis-jenis peramalan dalam ekonometrika disini.
Data Tourist Direct Arrival tidak bergerak jauh dari garis linier atau mengikuti pola trend dengan garis linier. Dengan demikian kita akan bahas peramalan dengan Metode Proyeksi Trend pada Data Direct Tourist Arrival to Bali, karena lebih sesuai untuk Proyeksi Trend menggunakan Metode Kuadrat Terkecil (OLS), simpelnya kita akan prediksi dengan regresi linier sederhana. Sedangkan data demand gula pada negara X lebih memiliki pola irregular atau acak, untuk mengerti pola-pola ini baca lagi bahasan jenis-jenis peramalan dalam ekonometrika disini.
Penekanan dalam proyeksi trend adalah variabel independen yang kita gunakan untuk proyeksi adalah waktu (t), kita hanya menggunakan satu variabel dependen yaitu "direct tourist arrival". Dengan demikian persamaan regresi tadi yang kita gunakan :
Y = b0 + b1X
berubah menjadi
Tt = b0 + b1t
dimana :
Tt = Peramalan dengan trend linier dalam periode waktu t
b0 = Intesep garis trend linier
b1 = Slop atau garis trend linier
t = periode waktu
dimana :
Yt = nilai time series pada periode tn = jumlah periode waktu (jumlah pengamatan)
= nilai rata-rata time series
= nilai rata-rata t
Kita akan menjalankan regresi dengan Excel dengan T sebagai variabel terikat dan direct tourist arrival sebagai variabel bebas, Silahkan rubah terlebih dahulu format data Tahun pada data anda, tadinya data tahun, nyatakan saja sebagai Tahun ke-1, ke-2, dan seterusnya seperti berikut :
Dengan Excell agar data lebih menyebar normal, saya coba rubah data arrival ke dalam bentuk log terlebih dahulu, caranya cari aja di function fungsi log :
Hasilnya menjadi logArrival :
Untuk meregresikan di excel, kita hanya menggunakan data log tadi, buka data-data analysis, cari regression disana :
Isi data logArrival sebagai input Y, kemudian Tahun sebagai input X, pilih selang kepercayaan misalnya 99%, checklist residual, plot grafik dan plot normalitas data,
Lihat hasil yang ditampilkan :
Model yang kita peroleh dari proyeksi trend linier dengan metode kuadrat terkecil (OLS) untuk data "Direct Tourist Arrival" adalah :
logYt = 5,88 + 0,03t
Model menunjukkan hubungan positif antara pertambahan tahun dengan kunjungan turis ke Bali, dengan nilai signifikansi yang sangat baik (kurang dari 0,05).
Grafik Uji normalitas data yang ditunjukkan oleh normal probability plot mengindikasikan data menyebar normal dengan bentuk kurva linier.
Residual yang kita peroleh menunjukkan periode negatif pada residual yang lebih panjang daripada periode positif, ini mengindikasikan bahwa tidak terdapat masalah autokorelasi serial pada model. Masalah ini nantinya dijelaskan dalam bahasan lain blog ini.
Persamaan inilah yang akan digunakan untuk mengetahui direct tourist arrival pada tahun-tahun berikutnya, coba kamu susun nilai peramalan dengan menggunakan persamaan ini sebagai nilai forecast di samping kanan, masukkan nilai t adalah waktu, misalnya t=26, t=27, dan seterusnya, tentunya hasilnya dalam bentuk log.(yoso)
